医保患者住院总费用与统筹支付费用的相关性分析

医保患者住院总费用与统筹支付费用的相关性分析 ,社会医疗保险数据挖掘与管理研究 1 2温小霓 郭丽红 西安电子科技大学经济管理学院～西安 710071 摘要:Clementine以其强大的数据挖掘功能，被广泛应用于电子商务、电信、金融、零售、教育等领域。本文运用Clementine对医疗数据挖掘，通过对冠心病患者住院情况及住院费用的分析，寻找冠心病患者住院费用的影响因素，实现对其医疗费用数据内在结构特征的理解和预测。得到的相关结论可为合理控制费用提供参考，同时提高医疗保险机构管理人员的工作效率和管理水平。 关键词:数据挖掘，Clementine，住院费用，影响因素 0 引言 作为社会医疗保障基础的社会医疗保险，坚持“低水平，广覆盖”的原则，强调“公平优先、兼顾效率”，承担了基本医疗的保障。但是，一些大病和特殊疾病的医疗费用远远超过了基本医疗最高支付限额，使个人背上沉重的负担。对部分经济收入稳定、享受社会医疗保险的群体来说，基本医疗保险已不能满足他们的需求，此时，商业医疗保险则能适应高层次、特殊的医疗需求。另外，社会上还存在大量的缺乏医疗保障的人群，如自由职业者、学生和农民等都不在保障范围内，这些群体都是商业医疗保险的需求者。社会医疗保险在相当长的时间将是我国医疗保障体系的重要组成部分，但我国医疗保障体系未来的发展方向应是以市场经济即以商业医疗保险为主导的，应当充分发挥商业医疗保险在社会医疗保障体系中的作用，减轻政府在医疗保障方面的负担。现今，医疗费用增长速度大大超过了国内生产总值和城镇居民可支配收入的增长速度，这是因为在利益的驱动下，医院为了自身的利益，追求多收费用、滥用权利开药的行为日渐增多，医疗机构帮助被保险人骗取保费的现象屡见不鲜。社保中心、保险公司面对巨大的风险隐患。医疗保险不是单纯经济意义上的筹资与给付，突出的难点是医疗费用的控制。因此，研究医疗费用的影响因素，确定合理医疗费用范围就成为首要任务。而对于医疗保险这个复杂系统，数据资料数目庞大，我们不得不借助有效的数据挖掘工具进行相关研究。 基于数据库的数据挖掘(Data Mining)是的一种重要的开发信息资源的数据处理技术，数据挖掘通过对数据的、分类、聚类、关联等分析，实现对数据内在结构特征的理解和对未知数据的预测。Clementine已被广泛应用于电子商务、电信、金融、零售、政府和教育等领域，进行客户分类，吸引新客户，识别欺诈行为、减少风险等等管理工作，从而改善客户关系，提高盈利能力。研究资料显示，利用Clementine对医疗数据进行实证研究的还很少。医疗卫生系统是个复杂的系统，系统中数据资料数目庞大，对大量杂乱无章的医疗数据挖掘，可以让我们准确认识现状，抓住规律，发现问题，从而制定更合理的指导政策。目前，医疗费用过快增长是政府与社会关注的热点，对单病种住院费用的影响因素进行研究，找出主要影响因素以采取积极有效的费用控制对策，对实施DGR 实现按病种付费，控制医疗费过高增长有重要意义，也为保险公司费率厘定以及赔付等提供有利依据。 本文搜集了西安市参加城镇职工基本医疗保险的大量医疗数据，从中筛选出冠心病患者2006年住院的有关信息。其中包括:患者实际住院天数、职工类型、职业、医院等级、住院次数、性别、年龄段、婚姻、入院情况、出院情况、是否手术;医疗费用信息包括:床位费、 ,基金项目:国家自然科学基金资助项目(70371031) 作者简介:温小霓(1955,)，女，汉族，山西孝义人，教授 郭丽红(1982,)，女，汉族，山西太原人，硕士研究生 1 西药费、中成药、中草药、诊疗费、检查费、化验费、手术费、麻醉费、输血费、特殊材料费、护理费、其他、住院费用总计，共720例。 1 费用的影响因素挖掘 利用Clementine中的Feature selection功能, 我们以住院费用总计作为目标, 对720例冠心病患者信息进行分析，其中患者信息共11项，挑选影响住院费用的主要因素(图1)。 图1 住院费用总计的影响因素重要度 由图1，是否手术，医院等级，实际住院天数，职业，入院情况，性别六项被选中，在重要与否(Importance)这一列，都被标出星号，示对住院费用的影响显著，影响显著的置信度都在0.95以上(Value?0.95)。其他几项对冠心病患者住院费用影响不大，下面就针对手术、医院等级、实际住院天数、职业、入院情况、性别这6个主要影冠心病患者住院费用的因素作更多研究。 2 主要影响因素的进一步挖掘 2.1 按手术特征分类 720条中，有69人进行手术，651名患者没有进行手术。说明对于冠心病所采取的治疗方式以药物治疗为主。分别对进行手术和没有进行手术患者的住院费用作分布图。(图2，3)。 2 图2 手术 图3 无手术 对比图2、图3，没有进行手术治疗的患者住院费用绝大部分在5000元以下，10000元以上的很少，药费占了住院费用的主要部分，其次是检查费、诊疗费等。进行手术治疗的患者住院费用远远高于没有进行手术的患者。69位进行手术的患者住院费用高于20000元的有41人，手术费用大部分在3000元左右，部分患者手术费用单项就已高于10000元。在分析单项费用时还发现对于进行手术的患者，特殊材料费用很高，69名进行手术的患者特殊材料费用均值高达20000多元。由此，我们认为手术特征是影响冠心病患者住院费用的主要因素，手术费用及特殊材料费用是进行手术的患者住院费用的主要构成。 2.2 医院等级与住院费用的关系 我们在变量设置时分别用(1三甲，2三乙，3二甲，4二乙，5一级)5个级别代表医院等级。以医院等级为X轴，住院费用总计为Y轴作散点图(图4)。 图4 医院等级与住院费用总计的关系 图4中，选择医院等级为1(三甲)的冠心病患者最多，住院费用从高到低都有，等级为2(三乙)的医院有高费用患者，但数目较少。在3(二甲)，4(二乙)，5(一级)三个等级的医院就诊的患者较少，费用也较低。医院等级对住院费用有明显影响，因此按照医院等级进行不同的统筹支付是有必要的。 2.3 实际住院天数的影响 作住院天数的频数分布图(图6)。 图5 实际住院天数分布图 3 住院天数20天以下(包括20天)的患者占总人数的90.1%。 分别对有无手术特征的冠心病患者住院天数进行分析。以医院等级为标识，实际住院天数为X轴，住院费用总计为Y轴作散点图。 图6无手术患者住院费用与住院天数、医院等级关系 图7手术患者住院费用与住院天数、医院等级关系 综合观察图6、7发现: (1)图6中，同一医院等级，住院费用总计随着实际住院天数的增加有明显上升趋势，因此，我们认为实际住院天数对住院费用影响显著。 (2)对于图7，住院天数对住院费用无明显关系。我们认为进行手术的患者住院费用较 高，主要由手术费和特殊材料费影响，因此住院天数对住院费用总计的影响相较之下变 得微不足道了。 (3)对比图6，7，我们发现，医院等级越高，住院费用越高，这与2.2中结论一致。 2.4 职业与住院费用的关系 表1 不同职业的患者人数统计表 住院费用高于 住院费用高于 人数(人) 10000元患者人数(人) 10000元患者比例(%) 企业 676 48 7.1 公务员 8 1 12.5 事业 32 9 28.1 其它 4 0 0 Total 720 58 8.1 公务员和事业单位职工住院费用，尤其是高费用的患者比例远大于企业职工及其它职业。造成这一现象的主要原因是什么,是否因为公务员及事业单位职工进行统筹支付比例较大,这一点还需要以后深入研究。 2.5入院情况的影响 利用Distribution功能对入院情况(Y轴)作图，以医院做标识，用不同颜色代表不同医院(图8)，可清楚看到各医院患者入院情况。 图8 入院情况分析图 4 在变量设置时用(0.缺失;1.病危;2.病急;3.一般)四个级别表示患者入院情况(纵轴)，从图8可以看出入院情况为一般(3)的患者人数最多，其次为病急(2)。冠心病患者都选择级别较高的医院就诊，病危和病急得病人在医院等级为1(三甲)、2(三乙)的医院的比例大。病情一般的患者有不少选择二甲医院进行治疗。说明病情严重程度会影响到医院的选择。 表2 入院情况统计表 入院情况 N Mean Variance Geometric Mean 缺失 22 5813.3973 62765185.929 3821.4383 病危 70 11109.6404 366949962.780 5364.3268 病急 264 5868.9096 111783241.728 3960.1264 一般 364 6572.4341 133035893.369 3821.6099 Total 720 6732.3996 147280378.273 4001.5958 表2中，各入院情况下住院费用均值有显著差异，但因其方差很大，我们选择几何均值进行比较。入院情况为病危的患者住院费用总计的几何均值5364元居于榜首，而病急与入院情况一般的患者住院费用差别不大，结合图8，入院情况为病急得患者有和大比例选择医院等级为2(三乙)的医院。我们前面已经认识到医院等级对住院费用影响显著，因此，此处入院情况为病急和一般的患者住院费用差别较小也不属于不合理现象。但是为什么很多病急患者选择三乙医院治疗，这点需要进一步分析。 2.6性别对冠心病患者住院费用的影响 表3 患者性别统计表 性别 N Mean Variance Geometric Mean 男 361 7805.4598 196178832.633 4286.4585 女 359 5653.3614 96191462.863 3734.2332 Total 720 6732.3996 147280378.273 4001.5958 由表3，冠心病患者男女患者人数差别不大，但是在住院费用上有显著差异。不论从住院费用总计的均值还是几何平均值看，男性患者住院费用都明显高于女性。 因此，医疗费用的合理性，不能单纯看费用的绝对值，要结合医院等级，患者入院情况严重程度，患者的职业，性别等综合分析。 3 结论 本文运用Clementine对冠心病患者住院信息作了挖掘，发现了的冠心病患者住院费用的结构和主要影响因素，发现病人选择医院、住院时间及住院费用的规律等等。总之，运用先进工具从数目繁多、杂乱无章的医疗数据中提取出有用信息，既可以了解公众健康信息状况，又能帮助医疗保险机构及时发现问题，动态地掌握情况，为其制定有效的政策奠定基础。本文只是利用Clementine，SPSS对数据进行了初步的挖掘，在此基础上，还可以利用其神经网络、决策树、异常值识别等预测医疗费用，识别医疗欺诈行为等等许多研究工作。充分利用Clementine这些先进数据挖掘工具，将使医疗保险机构的管理水平提高到新的层次。 参考文献 [1] W.B. Langdon and B.F. Buxton. Genetic Programming for Improved Receiver Operatin -g Characteristics[J].Springer-Verlag Berlin Heidelberg 2001:68-77. [2] Richard Adderley. The Use of Data Mining Techniques in Operational Crime Fighting [J]. 5 Springer-Verlag Berlin Heidelberg 2004:418-425. [3] G. Piatetsky-Shapiro. The Data-Mining Industry Coming of Age[J]. IEEE Intelligent Systems 1999,November/ December.3 2-34. [4] Liu, Y. (2002). “Reforming China’s Urban Health Insurance System.” Health Policy 60, 133–150. [5] Davis,-C;Rhodes,-D-J.The impact of DRGs on the cost and quality of health care in the United states.Health-Policy,1998,9(2):117. [6] Aveill RF,Goldfield NI,Muldoon J,Steinbeck BA,Grant TM,A closer look at all-patient refined DRGs J AHIMA [J] 2002 Jan,73(1):46-50. [7] 王斌会. 数据挖掘技术及其应用现状[J]. 统计与决策,2006.5:122-124. [8] 李贝,毛宗福,李建平,杨玉茹,汪文新.湖北省居民住院费用影响因素分析[J].中国卫生 事业管理,2005,8:483-485. [9] 张尧庭.数据采掘与统计[J].中国统计,2001.10. [10] 储振华.国外医疗保险费用控制研究[J].国外医学卫生经济分册,1997;2:53-62. [11] 卢纹岱.Spss For Windows统计分析[M].北京:电子工业出版社. [12] 数据挖掘讨论组. Study on Data mining and Management of Social Medical Insurance Wen Xiaoni, Guo Lihong School of Management and Economics, Xidian University, Xi’an, 710071 Abstract: Clementine with its powerful capabilities of data mining has been widely used in e-commerce, telecommunications, finance, retail, education and other fields. Based on the medical data mining through Clementine and SPSS, this paper analyzes the hospitalization and hospitalizing expenses of patients with coronary heart disease, and then finds out the factors which affected them. So, the inherent structural features of the medical cost data are understood and predicted. The relevant conclusions can provide reference for controlling costs reasonably. In the meantime, it can help to improve medical insurance management's efficiency and management level. Key words:Data Mining，Clementine，Hospitalizing Expenses，Influencing Factor 作者的情况: 姓名:温晓霓(教授) 性别:女 出生年月:1955.4 民族:汉 籍贯:山西省孝义 单位:西安电子科技大学经济管理学院 学位:博士 职务: 6 职称: 通讯地址: 电话: E-mail: 姓名:郭丽红 单位:西安电子科技大学经济管理学院 专业:企业管理 研究方向:风险管理，决策分析 7